رتبه‌بندی صندوق‌های سرمایه‌گذاری قابل معامله (ETF) بر اساس رویکرد ارزش در معرض خطر پارآمتریک

محورهای موضوعی : دانش سرمایه‌گذاری

غلامرضا زمردیان ¹ , فریدون رهنمای رودپشتی ² , مریم برزآبادی فراهانی ³

1 - استادیار و عضو هیأت علمی دانشکده مدیریت دانشگاه آزاد اسلامی، واحد تهران مرکز، گروه مدیریت بازرگانی، تهران، ایران
2 - استاد و عضو هیئت علمی دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه مدیریت مالی، تهران، ایران
3 - دانشجوی دکترای مهندسی مالی دانشگاه آزاد اسلامی، واحد رشت، ایران (نویسنده مسئول)

تاریخ دریافت : 1396/07/26 تاریخ پذیرش : 1396/11/04 تاریخ انتشار : 1398/07/01

کلید واژه: صندوق‌های سرمایه‌گذاری قابل مع, بورس اوراق بهادار, ارزش در معرض خطر, مدل واریانس ناهمسانی,

چکیده مقاله :

بررسی و رتبه‌بندی صندوق‌های سرمایه‌گذاری قابل معامله با توجه به این مهم که این صندوق‌ها یکی از پرطرفدارترین ابزارهای مالی می‌باشند که رشد کاملاً محسوس آنها پس از پیدایش، مؤید موفقیت غیرقابل انکار آنها در بازارهای مالی جهان است، از اهمیت بسزایی برخوردار است. از سویی دیگر، اغلب رویکردهای بررسی و رتبه‌بندی این صندوق‌ها بر اساس معیارهای بازدهی طبقه‌بندی می‌شوند. بر این اساس، در این پژوهش با نگاهی نوین، به رتبه‌بندی این صندوق‌ها بر اساس ارزش در معرض خطر پرداخته شده است. بدین‌منظور دوره ابتدای شهریورماه سال 1393 تا انتهای شهریورماه سال 1396 برای صندوق‌هایی که طی این دوره در بازار سرمایه فعالیت داشته‌اند درنظر گرفته شده است. نتایج بررسی نشان‌دهنده توانایی مناسب مدل‌های ارزش در معرض خطر بر اساس رویکرد GARCH است. همچنین رتبه‌بندی بر اساس تابع زیان نشان می‌دهد که صندوق‌های قابل معامله الماس، اطلس و آسام رتبه‌های نخست در این بررسی، کمترین ریسک ممکن را دارا می‌باشند.

چکیده انگلیسی:

Studying and ranking the Exchange-Traded Funds have been vital issues, since these asset funds have been amongst the most popular financial means, which their significant emergence and growth may confirm undeniable success in the global market. On the other hand, the most part of studying and ranking these funds can be categorized based on the efficiency criteria. Accordingly, applying a new perspective, this paper would consider the funds ranking based on value at risk approach. In doing so, the funds have been considered who had been active in the period of the 2014-September to 2017- September. Findings of the research show the appropriate value at risk models based on GARCH approach. In addition, the ranking based on the loss function illustrates that Almas, Atlas and Asam Exchange-Traded Funds have had the lowest risk in this study.    

منابع و مأخذ:

*       زمردیان، غلامرضا، (1394)، "مقایسه توان تبیین مدل‌های ناپارآمتریک و مدل‌های شبکه عصبی در سنجش میزان ارزش در معرض خطر پرتفوی شرکت‌های سرمایه‌گذاری جهت تعیین پرتفوی بهینه در بازار سرمایه ایران"، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 6، شماره24، پاییز 1394، صفحه 73-90

*       زمردیان، غلامرضا، (1394)، "مقایسه توان تبیین مدل‌های پارآمتریک (اقتصادسنجی) و ناپارآمتریک (مونت کارلو) در سنجش میزان ارزش در معرض خطر پرتفوی شرکت‌های سرمایه‌گذاری جهت تعیین پرتفوی بهینه در بازار سرمایه ایران"، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 6، شماره 22، بهار 1394، صفحه 147-164

*       رهنمای رودپشتی، فریدون؛ قندهاری، شراره؛ (1394)، "برآورد ارزش در معرض خطر مبتنی بر محدودیت بر ارزیابی عملکرد مدیریت پرتفوی فعال در بورس اوراق بهادار تهران"، مجله مهندسی مالی و مدیریت اوراق بهادار، دوره 6، شماره 24، پاییز 1394، صفحه 91-113

*       کشاورز حداد، غلامرضا؛ حیرانی، مهرداد؛ (1393)، "برآورد ارزش در معرض ریسک با وجود ساختار وابستگی در بازدهی بازارهای مالی: رهیافت توابع کاپولا"، مجله تحقیقات اقتصادی- دوره 49، شماره 4، زمستان 1393، صفحه 869-902

*       کشاورز حداد، غلامرضا، (1394)، " اقتصادسنجی سری‌های زمانی مالی"- نشر نی

*       سجاد، رسول؛ هدایتی، شهره؛ هدایتی، شراره؛ (1393)، "برآورد ارزش در معرض خطر با استفاده از نظریه ارزش فرین در بورس اوراق بهادار تهران"، فصلنامه دانش سرمایه‌گذاری، دوره 3، شماره 9، بهار 1393، صفحه 133-155

*       ادبی فیروزجائی، باقر؛ مهرآرا، محسن؛ محمدی، شاپور؛ (1395)، "برآورد و ارزیابی ارزش در معرض ریسک بورس اوراق بهادار تهران بر مبنای روش شبیه‌سازی پنجره"، فصلنامه تحقیقات مدلسازی اقتصادی، شماره 23، بهار 1395

*       Aloui, C., Mabrouk, S., (2010). “Value-at-risk estimations of energy commodities via longmemory, asymmetry and fat-tailed GARCH models”, Energy Policy, 38, 2326–2339.

*       Arora, Kavita, (2015). “Risk-Adjusted Performance Evaluation of Indian Mutual Fund Schemes”, SAGE Publications, 19.1, 79-94.

*       Arouri, M., Lahiani, A., Lévy, A., Nguyen, D.K., (2012). “Forecasting the conditional volatility of oil spot and futures prices with structural breaks and longmemory models”, Energy Econ, 34 (1), 283–293.

*       Baillie, R., Bollerslev, T., Mikkelsen, H., (1996). “Fractionally integrated generalized autoregressive conditional heteroscedasticity”, J. Econ, 74, 3–30.

*       Basel Committee on Banking Supervision, (1996). “Supervisory framework for the use of backtesting in conjunction with the internal model-based approach to market risk capital requirements.” Bank for International Settlements, Basel, Switzerland.

*       Basel Committee on Banking Supervision, (2004). “International Convergence of Capital Measurement and Capital Standards”, Bank for International Settlements, Basel, Switzerland.

*       Baur, D.G., McDermott, T.K., (2010). “Is gold a safe haven? International evidence.”, J. Bank, Finance, 34, 1886–1898.

*       Bollerslev, T., (1986). “Generalized autoregressive conditional heteroscedasticity”, J. Econ, 31,307–327.

*       Browne, F., Cronin, D., (2010). “Commodity prices, money and inflation”, J. Econ. Bus, 62, 331–345.

*       Engle, R.F., (1982). “Autoregressive conditional heteroscedasticity with estimates of the variance of UK inflation”, Econometrica, 50, 987–1008.

*       Engle, R.F., Bollerslev, T., (1986). “Modelling the persistence of conditional variances”, Econ. Rev, 5, 1–50.

*       Aas, K., & Berg, D., (2009). “Models for construction of multivariate dependence a comparison study”, European Journal of Finance, 15 (7–8), 639–659.

*       Embrechts, P., Lindskog, F., & McNeil, A., (2003). “8 modelling dependence with copulas and applications to risk management”, In S. T. Rachev (Ed.), Handbook of heavy tailed distribution in finance, 329–384.

*       Engle, R. F., (1982), “Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation”, Econometrica, 50(4), 987–1007.

*       Frees, E.W., Carriere, J., & Valdez, E., (1996), “Annuity valuation with dependent mortality”, The Journal of Risk and Insurance, 63 (2), 229–261.

*       Patel, Mahesh K and Kalpesh P. Prajapati, (2012). “Comparative Study On Performance Evaluation of Mutual Fund Schemes Of Indian Companies, Researchers world”, Journal of Arts, Science & Commerce Vol-III, Issue3 (3), 47-59.

*      Shivangi Agarwal, Nawazish Mirza, (2017). “A study on the risk- adjusted performance of mutual funds industry in India”, Review of Innovation and Competitiveness, V3, i1